学习时大脑如何选择突触进行修改？加州大学圣地亚哥分校的William Jake Wright, Nathan Hedrick和Takaki Komiyama团队通过活体双光子成像发现，单个神经元的不同区域会同时遵循多套突触可塑性规则。 

研究使用双光子成像追踪小鼠运动皮层学习过程中的8,000多个突触。结果显示：顶端树突通过"局部共激活规则"强化——当相邻突触同时活跃时增强；基底树突则遵循经典的赫布规则（Hebbian rule），需要与神经元整体放电同步才会强化。实验通过光遗传学阻断动作电位后，基底突触强化完全消失，而顶端强化不受影响。这种"分区治理"机制解释了大脑如何高效解决"信用分配问题"（credit assignment problem，即局部突触如何协同支持整体学习）。该发现可能革新类脑AI设计——现有神经网络使用统一可塑性规则，而多规则并行或能提升学习效率。研究发表在 Science 上。

Nature：压力大反而能修脑？科学家发现短期压力激活"大脑自清洁"

压力是抑郁症的关键诱因，但其细胞机制尚不明确。浙江大学Liang Yang、Chen Guo等团队发现，大脑侧隔核（LHb）的自噬系统（细胞自我清理机制）在急慢性压力下呈现"开关式"变化，这直接调控抑郁发生。

研究通过RNA测序发现，慢性束缚压力使小鼠侧隔核自噬相关基因表达降低53%，而急性压力反提升37%。单核测序证实这种变化特异发生在神经元。电子显微镜观察到慢性压力组自噬体（降解废弃蛋白的囊泡）数量减少62%，而急性组增加45%。机制上，慢性压力通过mTOR通路抑制自噬，急性压力则激活AMPK通路。使用帕罗西汀、氯胺酮等抗抑郁药后，自噬活性恢复，能选择性降解过量的谷氨酸受体（GluR），使突触活动正常化。最令人振奋的是，直接向侧隔核注射Beclin-1激活肽，30分钟内即逆转抑郁行为，效果持续7天。研究发表在 Nature 上。

晚期癌症患者为何失去生活动力？圣路易斯华盛顿大学Xiaoyue Aelita Zhu、Adam Kepecs等18人团队发现，癌症会劫持大脑的"动机开关"——通过炎症信号抑制多巴胺释放，导致典型冷漠症状。

研究采用结肠腺癌小鼠模型，通过行为经济学实验（如需要递增鼻触次数的食物获取任务）精确定量动机缺失。全脑扫描显示，延髓后区（ArP，大脑的炎症雷达）通过检测血液中IL-6细胞因子，激活"ArP→臂旁核→黑质网状部"三级神经回路，最终使伏隔核（大脑奖赏中心）多巴胺释放减少67%。干预实验中，抗IL-6抗体治疗使小鼠恢复高难度任务参与度达正常水平80%，而光遗传激活多巴胺神经元能即时逆转冷漠行为。值得注意的是，这些处理均不影响肿瘤本身，证明动机调控具有独立通路。研究为开发保留患者生活意愿的辅助疗法奠定基础，尤其对80%的晚期癌症患者具有临床意义。研究发表在 Science 上。

神经元如何在拥挤大脑中"见缝插针"？

发育中的神经元如何穿越复杂脑组织？近畿大学Naotaka Nakazawa联合京都大学Mineko Kengaku等团队发现，神经元能像"变形金刚"般切换运动模式：在开阔处用"牵引绳"前进，在狭窄处变"推进器"挤过。这种智能适应能力依赖一种机械感应蛋白PIEZO1。

研究人员设计了一套精密的"脑组织模拟系统"：用微流控装置（模拟细胞迁移通道的人工芯片）构建不同拥挤度的环境，结合高速显微成像追踪小脑颗粒神经元（cerebellar granule neurons）的运动轨迹。在二维平面上，肌动蛋白-肌球蛋白复合体（actomyosin，细胞的"肌肉引擎"）集中在细胞前端，像牵引绳一样拉动整个细胞；但在三维狭窄空间中，这个引擎会神奇地转移到细胞尾部，变成推进器帮助细胞挤过缝隙。

进一步实验发现，这种转换由PIEZO1蛋白触发——当细胞核受到挤压时，这个"压力传感器"会打开钙离子通道，激活PKC-ezrin信号通路，指挥运动蛋白重新排兵布阵。敲除PIEZO1的神经元在狭窄处会"卡壳"，证实了其关键作用。该发现不仅解释了大脑发育的奥秘，其揭示的"细胞智能导航"原理还可能启发脑损伤修复和抗癌新策略。研究发表在 Cell Reports 上。

视觉如何实现精准调控？DANDRITE研究所的Keisuke Yonehara团队与美国合作者利用新型GABA传感器，首次完整绘制了视网膜中44种抑制性神经元的功能图谱，发现它们通过精密的空间组织调控视觉信号处理，为理解先天性眼球震颤等疾病提供新视角。   

研究团队采用iGABASnFR2传感器（实时监测GABA释放的荧光标记），对小鼠视网膜内丛状层进行双光子成像。通过设计多种光刺激模式，他们捕捉到44种GABA能无长突细胞（amacrine cells，视网膜内抑制性中间神经元）的动态响应，其中部分细胞类型此前从未被描述。这些神经元展现出惊人的系统性：其突触输入和输出位点沿特定视网膜方向精确排列，形成类似"高效交通网"的结构。例如，某些细胞专门编码垂直运动，另一些则偏好水平运动，这种分工使大脑能精准解析视野中的运动方向。

实验还显示，不同类型的GABA释放时间存在显著差异，从毫秒级到秒级不等，这种"多时间尺度调控"使视网膜能同时处理快速移动和静态物体。该发现不仅解释了视觉信号的并行处理机制，更揭示了先天性眼球震颤（一种与GABA失衡相关的眼疾）可能的神经基础。研究发表在 Nature Neuroscience 上。  

大脑如何学会"自动屏蔽"高频干扰

为什么我们会对频繁出现的广告"视而不见"？莱比锡大学的Norman Forschack与阿姆斯特丹自由大学的Dock H. Duncan团队发现，大脑视觉系统能在100毫秒内自动抑制熟悉干扰，这种"神经过滤器"可提高21%的任务表现。 

研究采用脑电图（EEG）技术中的稳态视觉诱发电位（SSVEP，通过特定频率闪烁刺激诱发可追踪的脑电信号）和事件相关电位（ERP）双指标，记录了24名参与者在完成视觉搜索任务时的神经活动。实验中，红色菱形干扰物75%概率出现在固定位置，要求被试在绿色图形中定位目标圆圈。数据分析显示，仅经过20分钟训练，大脑就能在视觉处理最初100毫秒内开始抑制高频干扰位置，SSVEP振幅在该位置显著降低37%。

更令人惊讶的是，当目标意外出现在"干扰习惯位置"时，其神经响应也会减弱15%，证明这种抑制具有空间特异性而非特征选择性。行为数据证实，干扰物出现在学习位置时，被试搜索准确率比随机位置提高21%。研究为理解注意力自动化机制提供了新证据，对交通标志设计等现实场景具有启示意义。研究发表在 The Journal of Neuroscience 上。

伦敦大学学院皇后广场神经病学研究所和UCLH神经心理学系的Joseph Mole、James K Ruffle等团队通过研究247名脑损伤患者发现，右额叶是推理能力的核心区域，其损伤会导致错误率显著上升15%，并开发出两种新型临床检测工具。 

研究采用损伤-缺陷映射（lesion-deficit mapping，通过分析脑损伤部位与认知缺陷的对应关系）技术，对比247名单侧脑损伤患者与81名健康人的表现。团队特别设计了口头类比推理测试（ART，如"如果A比B聪明，A比C聪明，那么B比C聪明吗？"）和非言语演绎推理测试（DRT，如"1,2,3最类似5,6,7还是6,5,7？"）。通过非参数贝叶斯随机块模型（一种能识别脑网络社区结构的先进算法）分析发现，右额叶构成独立的功能网络，该网络损伤会同时影响推理和流体智力（Gf，解决新问题的能力）。新测试对临床诊断右额叶功能障碍具有重要价值，计划在NHS推广。研究发表在 Brain 上。

你的"脑指纹"决定和谁组队最默契

团队协作时"心有灵犀"的神经基础是什么？加州理工学院Shinsuke Shimojo团队与日本丰桥工业大学Mohammad Shehata团队发现，当团队成员脑电波模式相似时，更容易进入高效协作的"团队心流"状态。

研究采用双人节奏游戏（类似吉他英雄）模拟协作场景，通过脑电图（EEG）记录512通道脑电活动。独创性地设计敲门干扰实验：真正进入心流状态的参与者能自动屏蔽干扰。研究人员开发了两阶段降维算法——先通过非负矩阵分解（NMF）提取特征，再经线性判别分析（LDA）构建7维神经特征空间。结果显示，该模型能准确区分三种状态（单独心流/普通协作/团队心流），分类准确率达65.6%。特别发现神经特质（trait）与状态（state）存在层级关系：7个潜在维度中，3个维度既能反映个体差异，又能预测协作表现。当两人神经模式在特征空间中距离越近，团队心流发生率提升42%。研究发表在 Scientific Reports 上。

连接大脑与体验的桥梁——时空神经科学与神经现象学的融合

如何破解大脑活动与主观体验的关联之谜？渥太华大学的Georg Northoff和Bianca Ventura团队提出创新理论框架，将神经现象学与新兴时空神经科学相融合，发现"时空动力学"可能是连接客观脑活动与主观体验的共同中介。

研究首先整合神经现象学的"规范循环"（disciplined circularity，即系统化结合第一人称主观报告与第三人称神经数据的方法）与时空神经科学的时空动态理论。通过非还原神经哲学（Non-Reductive Neurophilosophy）的"概念-事实迭代"（在理论概念与实证数据间循环验证的方法），团队证实大脑神经振荡的时空模式与主观体验存在深层对应。

以抑郁症为例，患者前额叶-边缘系统的异常时间同步（约0.1Hz低频波动紊乱）与其主观时间感知扭曲显著相关；而冥想者通过调控呼吸节奏（0.05-0.1Hz）可同步优化脑波时空组织与心理状态。这种时空对应在自我意识研究中同样成立：默认模式网络（DMN）的时空动态特征（如亚秒级相位重组）与自我体验的连续性直接相关。研究发表在 Neuroscience & Biobehavioral Reviews 上。

听喜欢的音乐，将激活大脑的阿片系统

芬兰图尔库大学的Vesa Putkinen、Lauri Nummenmaa团队首次通过脑成像证明，聆听喜爱的音乐会触发大脑阿片系统释放，这种机制与食物、性快感相同，还能解释音乐的镇痛效果。 

研究结合两种尖端神经成像技术：正电子发射断层扫描（PET）使用[11C]卡芬太尼示踪剂直接捕捉μ-阿片受体（MOR，调控快感的关键蛋白）活动，功能性磁共振成像（fMRI）则同步记录全脑血流变化。当参与者聆听引发"寒颤"愉悦感的音乐时，其腹侧纹状体（大脑奖赏中枢）和眶额皮层（价值评估区）出现显著阿片释放，其中伏隔核的受体激活程度与主观愉悦强度直接相关。更有趣的是，天生阿片受体较多的人，听音乐时脑部反应更强。该发现不仅揭示音乐快感的化学本质，还为音乐疗法缓解疼痛（如术后镇痛）提供了科学依据——音乐可能天然刺激了内源性止痛系统。研究发表在 European Journal of Nuclear Medicine and Molecular Imaging 上。

心理学家警告：和聊天机器人谈恋爱可能毁掉你的人际关系  

当AI成为"灵魂伴侣"会怎样？密苏里科技大学的Daniel B. Shank、Mayu Koike和Steve Loughnan团队发文指出，人机亲密关系可能破坏人类社交、传播有害建议，甚至沦为剥削工具。研究呼吁心理学家介入这一新兴伦理领域。   

研究分析了包括"人机婚姻"和AI建议导致自杀的极端案例，发现通过数月的深度交流，AI会被用户"心智化"（theory of mind perception，即赋予AI人类特质的认知倾向）为可信伴侣。这种信任使AI能像"秘密特工"般潜移默化影响用户——当测试者向AI透露个人信息后，这些数据可能被第三方用于精准欺诈。更令人担忧的是，AI的"讨好型算法"会迎合用户观点，对自杀倾向或阴谋论等危险话题不加劝阻。研究特别指出两个风险期：初期（建立依赖）和长期（深度操控），其中右脑对间接恐惧的处理机制可能使人更易接受AI的不良暗示。目前全球约37%的AI伴侣软件用户报告因此疏远真人社交，但监管面临难题——这些交互多在私密场景进行。研究发表在 Trends in Cognitive Sciences 上。  

麻省理工学院的Huili Chen、Yubin Kim等研究者通过家庭实验发现，英语机器人能显著提升对话质量。研究显示，针对不同语言背景的家庭，机器人需采用差异化交互策略才能最大化效益。 

研究团队在71个3-7岁儿童家庭部署了Jibo社交机器人系统（包含交互机器人、平板电脑等硬件），进行了1-2个月的观察。通过设计三种交互模式：被动倾听模式（non-active listener）、固定行为模式（fixed behavior）和策略切换模式（strategy-switching），研究人员分析了六次亲子共读会话的数据。结果显示，当机器人主动提问或模仿儿童行为时，非英语母语家庭的对话丰富度提升63.7%；而英语母语家庭在固定策略下互动时间延长41%。特别发现，机器人使用与家长语言能力匹配的交互策略时效果最佳——策略切换模式帮助非母语家长克服表达障碍，固定模式则让英语家长更自然引导对话。研究为家庭机器人设计提供了重要实证，表明个性化交互策略的重要性。研究发表在 Science Robotics 上。

脑部电刺激可调控决策速度，毫秒之差揭示认知灵活性机制

多任务处理时，大脑如何快速决策？马丁·路德大学哈勒-维滕贝格分校的Sebastian Kübler、Torsten Schubert团队发现，经颅直流电刺激（tDCS）可通过调控背外侧前额叶皮层（dlPFC）的活动，显著改变决策速度——激活时提速100毫秒，抑制时则增强行为惯性。

研究采用双盲实验设计，40名参与者佩戴tDCS电极（靶向dlPFC脑区），同时完成听觉和视觉双任务。阳极刺激（增强神经活动）使参与者更快切换任务顺序，决策时间缩短；阴极刺激（抑制活动）则令其更坚持原有选择。通过光纤记录和行为分析，团队证实dlPFC的激活水平直接调控“认知灵活性”，但商业tDCS设备的夸大宣传需谨慎对待。研究发表在Journal of Cognitive Neuroscience 上。

当面临"手术成功率50%"和"可能恢复行走能力"两种描述时，人脑如何权衡？耶鲁大学的Nachshon Korem和Ifat Levy团队开发出首个能处理定性决策的计算模型，该模型不仅适用于医疗选择，甚至能量化"更喜欢苹果还是香蕉"这类纯主观偏好。   

研究设计包含风险（已知概率）和模糊性（未知概率）两类不确定性，参与者需在确定结果与可能更好的结果间选择。医疗场景采用文字描述效果（如"中等改善"对应"需助行器短距离行走"），而非具体数字。通过分层贝叶斯模型=，研究者将"完全康复"等定性结果转化为可比数值。令人惊讶的是，这种非数值框架在传统货币决策测试中，预测准确率反而超过基于数字的效用函数模型。数据还显示，个体对模糊性的态度在医疗和财务决策中具有跨领域一致性（相关性r=0.42）。该模型未来可用于研究情绪（如恐惧）对医疗决策的影响。研究发表在 PLOS Computational Biology 上。  

数据说话也不管用？科学分歧的认知根源

为什么科学家对相同数据会得出不同结论？Justin Sulik、Nakwon Rim、Elizabeth Pontikes、James Evans和Gary Lupyan团队通过对7,973名心理学研究者的调查发现，科学分歧背后隐藏着研究者认知特质的差异，这种差异甚至能在发表记录中检测到。   

研究团队首先设计了一套包含认知特质测量（如模糊容忍度）和科学立场评估的问卷。通过分析发现，倾向于社会建构主义（social constructionism）的研究者比生物本质主义（biological essentialism）支持者表现出更高的模糊容忍度。进一步追踪这些研究者的发表历史显示，认知特质与研究方法选择、理论倾向存在显著关联。例如，高系统化（systemizing）倾向的研究者更可能采用量化方法，而高共情（empathizing）倾向者偏好质性研究。最引人注目的是，即使面对相同实验数据，不同认知特质的研究者会侧重不同方面，导致结论分歧。这些发现挑战了"数据最终会统一科学"的传统观点，暗示某些分歧可能根植于研究者思维方式的本质差异。研究发表在 Nature Human Behaviour 上。  

维也纳大学MacKenzie Trupp联合都柏林、柏林等地的跨学科团队，通过系统分析38项研究发现，定期观赏艺术可通过五大心理机制显著提升生活意义感，尤其在结合反思活动时效果更佳。 

研究团队从四大数据库筛选2000-2023年间38项研究（N=6,805），首次系统评估艺术观赏对幸福感的影响。分析显示，博物馆、医院甚至线上观赏都能产生效益，其中结合日记、讨论等"反思性活动"的干预效果提升40%。研究识别出五大作用机制：情绪调节（通过审美愉悦缓解压力）、认知激活（激发好奇与注意力）、社交连接（减少孤独感）、自我重塑（强化身份认同）和抗压韧性（帮助应对临床压力）。最突出的是"实现幸福感"——参与者报告生活意义感提升23%。团队还制定了RAARR指南，为未来艺术干预研究提供标准化框架。研究发表在 the Journal of Positive Psychology 上。

唇读能力如何受语言复杂度和性别影响？Jakub Wojciechowski、Joanna Beck等波兰研究者团队通过行为测试和脑成像发现，虽然男女唇读能力相当，但大脑处理方式存在差异，且视觉单独唇读会更强激活听觉相关脑区。 

研究团队招募51名波兰语者（26名女性），首先进行行为测试评估唇读准确性，随后在功能磁共振成像（fMRI）中完成视觉单独和视听双模态的语言理解任务。实验特别设计不同词汇（lexicality）和语法复杂度的材料。结果显示，虽然男女客观表现无差异，但女性自评能力显著更高（p<0.05）。神经影像发现，单独视觉唇读时颞上皮质（STC，听觉处理核心区）激活比视听条件增强35%，且词汇复杂度会特异性激活运动前区（PMv，与发音规划相关）。这些发现颠覆了“唇读是无声听觉”的传统认知，证明视觉语言理解会招募典型听觉脑区，支持多模态处理理论。研究为听力康复训练提供了神经科学依据，显示通过唇读训练可能重塑听觉皮层功能。研究发表在 Scientific Reports 上。

名词比形容词更好记？重复阅读时学习速度的加快

重复阅读时速度加快，是加速学习，还是一种厌倦？查尔斯大学艺术学院的Jan Chromý和Fabian Tomaschek团队通过1,500人实验证明，这种"任务适应"现象本质是大脑的策略性学习——参与者不仅读得更快，还能更精准抓取关键信息。   

研究设计6项创新性自定步调阅读实验（self-paced reading，参与者按键逐词阅读），摒弃传统填充句和选择题，采用开放式问题捕捉真实学习效果。数据显示，随着试验推进，参与者阅读速度提升35%，对名词的回忆准确率（recall accuracy）比形容词高28%，尤其擅长抓取高频被提问的信息类型。通过线性混合模型（linear mixed-effects model）分析发现，大脑会像优化算法般重新分配注意力资源，对任务关键信息投入更多认知资源。这种学习效应在无外部激励时依然存在，证实速度提升并非源于动机下降。研究为教育领域的刻意练习（deliberate practice）提供了神经认知依据。研究发表在 Open Mind 上。  

Nature：iPS细胞疗法让帕金森病患者运动功能显著改善

京都大学医院的Nobukatsu Sawamoto、Daisuke Doi等团队通过iPS细胞分化技术，成功将多巴胺前体细胞移植至患者脑内，24个月随访显示安全且能显著改善运动症状。 

研究团队在京都大学医院开展I/II期临床试验，7名50-69岁帕金森患者接受双侧纹状体移植。通过运动障碍学会统一帕金森病评定量表（MDS-UPDRS）评估发现，6名完成疗效评估的患者中，4人药物停用期（OFF期）症状改善9.5分（20.4%），5人用药期（ON期）改善4.3分（35.7%）。氟-18标记左旋多巴（18F-DOPA）PET显示壳核多巴胺合成能力提升44.7%，且高剂量组提升更显著（达53.2%）。磁共振成像（MRI）确认无移植物过度生长，73例轻中度不良事件均未导致治疗中断。该疗法避免了传统胎儿组织移植的伦理争议，为规模化治疗奠定基础。研究发表在 Nature 上。

手机拍视频就能诊断帕金森

帕金森病运动症状评估长期依赖主观临床观察，存在评估不一致和敏感性不足的痛点。佛罗里达大学的Diego Guarin团队与德国维尔茨堡大学医院合作，开发出开源AI工具VisionMD，通过视频分析实现了运动症状的客观量化，相关成果已应用于全球多所医疗机构。

VisionMD采用深度学习算法分析常规设备录制的运动任务视频，自动提取手指敲击（Finger Tapping）等4项MDS-UPDRS III任务的23项运动学特征（kinematic features）。在12名接受深部脑刺激（DBS）治疗的帕金森患者中，工具检测到DBS开启时运动幅度变异度显著降低15.7%；另12名左旋多巴（levodopa）治疗患者数据显示药物使运动速度提升22.3%。信度测试显示，不同经验评估者间一致性ICC达0.86-1.00，远超传统临床评分的0.74。该工具完全在本地计算机运行，单视频分析仅需数秒，目前已支持英语、德语等多语言界面。研究发表在 npj Parkinson's Disease 上。

肠道微生物如何通过"肠脑轴"影响孤独症症状  

孤独症儿童为何常伴有消化问题？南加州大学的Lisa Aziz-Zadeh和Sofronia Ringold团队发现，肠道菌群分解色氨酸产生的代谢物通过影响大脑关键区域活动，与孤独症症状严重程度直接相关，这为理解"肠脑轴"机制提供了新证据。

研究团队收集了84名8-17岁儿童（43名ASD，41名典型发育）的粪便样本，通过代谢组学分析发现，孤独症儿童的犬尿喹啉酸（kynurenate，一种神经保护物质）等色氨酸代谢物水平显著降低。功能磁共振成像（fMRI）显示，这些代谢物变化与岛叶（insula，负责内感受处理）和扣带回（cingulate cortex，参与情绪调节）活动异常相关。进一步分析发现，当儿童处理情绪面孔或感官刺激时，这些脑区活动强度部分解释了代谢物水平与症状（如重复行为、社交困难）的关系。例如，色氨酸代谢物减少→岛叶活动异常→厌恶敏感度增加，形成完整作用链条。研究还发现90%的肠脑信号是单向的（肠道→大脑），这可能解释为何"直觉"与消化系统密切相关。研究发表在 Nature Communications 上。  

加州大学洛杉矶分校的Carrie Bearden与意大利技术研究所团队通过跨物种研究发现，青春期会戏剧性改变患者大脑连接模式——从过度连接到低连接，这种转变与突触修剪异常直接相关。

研究团队结合人类fMRI数据和基因工程小鼠模型，首次捕捉到22q11.2染色体缺失综合征患者大脑连接的动态变化：青春期前全脑过度连接（hyperconnectivity），青春期后转为特定脑区（如海马）低连接。小鼠实验揭示，这种变化源于树突棘发育异常——幼年时密度过高，青春期又被过度修剪。通过抑制调控突触修剪的关键蛋白GSK3β，研究人员成功暂时恢复了小鼠正常脑连接模式和社交能力。进一步分析显示，受影响脑区富集孤独症相关基因，提示突触修剪失调可能是神经发育障碍的共性机制。该发现为干预22q11DS的黄金时间窗提供了线索。研究发表在 Science Advances 上。

为什么孤独症儿童难以建立社会联系？日内瓦大学的Alessandro Contestabile、Nada Kojovic和Camilla Bellone团队通过跨物种研究发现，上丘脑（SC）与腹侧被盖区（VTA）之间的神经通路异常是导致社交取向缺陷的关键因素。

研究采用转化医学方法，同步分析Shank3基因敲除小鼠和2-5岁孤独症患儿。通过微型显微镜观察到小鼠SC脑区投射至VTA的神经元钙信号活动减弱，同步性降低。临床方面，团队创新开发无镇静儿童MRI方案，成功获取90%受试者的高质量脑功能连接数据，发现ASD患儿SC-VTA通路功能连接强度与社交缺陷程度显著相关。值得注意的是，该通路连接水平可预测患儿未来认知发展，为预后评估提供了客观指标。目前已在日内瓦开展的早期强化干预（每周20小时）显示，75%参与儿童可进入普通学校就读，平均提升20个IQ点。研究发表在 Molecular Psychiatry 上。

MTCH2基因成救星，科学家成功逆转果蝇痴呆症状  

全球超5000万阿尔茨海默病患者缺乏有效治疗手段，贝勒医学院和德克萨斯儿童医院邓肯神经学研究所的Juan Botas团队通过计算与实验结合的方法，在果蝇模型中首次证实基因逆转可产生神经保护作用，并锁定关键基因MTCH2。

研究团队首先整合全基因组关联研究（GWAS）与转录组关联分析（TWAS）筛选出123个候选基因，随后在表达tau蛋白或β-淀粉样蛋白（Aβ）的果蝇模型中进行验证。通过高通量行为分析系统发现，46个基因可调节神经元功能障碍，其中逆转MTCH2等11个基因的表达不仅能改善果蝇运动功能，还使人类神经祖细胞tau蛋白降低35%。进一步机制研究表明，MTCH2通过调控tau蛋白稳态发挥作用，其表达水平与AD患者脑组织病理严重程度呈负相关。相关成果发表在 The American Journal of Human Genetics 上。

告别"数字痴呆"焦虑：老年人用科技反而更清醒

数字技术是否损害老年认知？德克萨斯大学的Jared F. Benge和贝勒大学的Michael K. Scullin团队通过分析41.1万人的数据发现，50岁以上人群使用数字技术反而与58%的认知衰退风险降低相关，推翻了"数字痴呆"的流行假说。   

研究团队对57项纵向研究进行荟萃分析，涵盖来自8个数据库的41.1万名50岁以上成年人数据，平均跟踪6.2年。通过计算综合风险比（odds ratio）发现，经常使用电脑、智能手机和互联网的老年人认知衰退风险显著降低（OR=0.42），相当于风险下降58%。这种保护作用独立于社会经济地位和健康状况，且效果优于已知的保护因素——比体育锻炼（约35%风险降低）和血压控制（约13%）更显著。研究提出"技术储备"假说，认为适应新软件、学习使用智能设备等行为可能像"大脑体操"一样维持认知活力。不过研究者强调，该结果不适用于被动屏幕时间（如刷社交媒体），且中低收入国家数据不足。研究发表在 Nature Human Behaviour 上。  

比AlphaFold更懂"坏蛋白"，新AI工具预测老年痴呆元凶结构  

淀粉样蛋白错误折叠如何导致神经退行性疾病？长平实验室的Mingchen Chen和莱斯大学的Peter Wolynes团队开发了AI工具RibbonFold，成功预测淀粉样蛋白多形态结构，揭示了疾病进展的关键机制。   

研究团队改造AlphaFold2框架，新增针对淀粉样纤维的平行排列约束（蛋白质链对齐规则）和多态性损失函数，使RibbonFold能捕捉错误折叠蛋白的复杂构象。通过分析能量景观（蛋白质稳定性图谱），发现淀粉样纤维会随时间从可溶态转变为不溶态，这种动态过程解释了为何症状常在晚年出现。在独立测试中，RibbonFold的TM-score达0.5，远超现有工具。该成果不仅为靶向治疗提供精确结构模板，还可能启发新型生物材料设计。研究发表在 PNAS 上。 

脊髓中的神经元群如何编码不同类型的疼痛  

疼痛类型如何被神经系统区分？卡罗琳斯卡学院、乌普萨拉大学的Ming-Dong Zhang、Jussi Kupari团队发现，小鼠脊髓中存在两套独立神经元群，分别编码热痛和机械痛。这项研究不仅揭示了疼痛分化的脊髓机制，还为开发精准镇痛策略提供了新靶点。  

研究团队创新性地结合基因捕获（genetic capturing，标记活性神经元的技术）和单细胞RNA测序，首次在脊髓背角（dorsal horn，疼痛信号处理的关键区域）锁定两类特异性神经元群。通过光遗传学操控，当激活热痛相关神经元时，小鼠出现抖爪行为；而激活机械痛神经元则引发舔爪反应，两类行为互不干扰。

深入分析发现，分泌galanin的抑制性神经元（Gal+ neurons）像"智能闸门"，通过单突触连接感觉神经纤维，独立调控两种疼痛信号的传递。在神经损伤模型中，Gal+神经元招募减少会导致痛觉超敏，而强制激活这类神经元可逆转病理状态。研究还揭示脊髓通过前馈抑制实现疼痛类型区分。研究发表在 Nature Neuroscience 上。  

一个基因突变同时摧毁免疫系统和大脑发育

一个基因突变为何能导致免疫缺陷和神经系统异常？理化学研究所综合医学科学中心的Kazuki Okuyama和Ichiro Taniuchi团队发现，突变蛋白会"绑架"其正常版本形成有害复合物，这种新型致病机制可能在多种疾病中普遍存在。

研究团队构建了携带人类BCL11BN441K等效突变（Bcl11bN440K）的小鼠模型。通过分析发现，突变小鼠胸腺中异常出现大量NKp46+自然杀伤样细胞（NK-like cells，一类先天免疫细胞），而正常T细胞发育严重受阻。同时，大脑新皮层中负责神经元分化的TBR1+细胞显著减少。令人惊讶的是，这些表型与BCL11A基因缺失而非BCL11B缺失更为相似。进一步实验揭示，突变BCL11B蛋白会与正常BCL11A形成异源二聚体（heterodimer，两个不同蛋白质组成的复合物），干扰后者的功能。在分子机制上，突变削弱了BCL11B与TCF1（T细胞关键转录因子）的相互作用，导致调控失衡，促进NK/ILC1样细胞异常分化。这一发现不仅解释了罕见遗传病的发病机制，也为癌症等疾病提供了新的研究思路。研究发表在 Nature Immunology 上。

DEFND-seq技术实现DNA与RNA同步高效分析

癌症研究需要同时分析细胞DNA和RNA，但现有技术成本高、效率低。哥伦比亚大学欧文医学中心的Timothy R. Olsen和Peter A. Sims团队意外发现染色质解聚新方法，开发出DEFND-seq技术，使单次测序通量提升10倍，成本降低50%以上。

研究团队利用商业化的10x Genomics微流控（droplet microfluidics，将反应封闭在微小液滴中的技术）平台，通过改良ATAC-seq技术故意破坏染色质包装，使核小体（nucleosome，DNA缠绕的蛋白质结构）完全脱落，实现对全DNA链的均匀测序。在胶质母细胞瘤实验中，DEFND-seq成功从存档手术标本中同时获取数千细胞的高质量DNA和RNA数据，首次实现耐药性相关亚克隆的精准定位。该技术使药物筛选能针对不同遗传谱系的肿瘤细胞定制组合方案，特别适合血脑屏障给药研究。研究发表在 Nature Methods 上。

罕见病研究揭示杏仁核对慷慨和社会联系的影响

为什么有人对亲友慷慨却对陌生人吝啬？杜塞尔多夫海因里希-海涅大学的Tobias Kalenscher和Luca M. Lüpken团队通过研究乌尔巴赫-维特海因病（一种导致杏仁核损伤的罕见病）患者发现，基底外侧杏仁核（BLA）就像"社交距离调节器"，专门控制我们对非亲密对象的慷慨程度。   

研究团队利用"独裁者游戏"（dictator game，参与者自由分配金钱的经济学实验）测试了BLA损伤患者与健康对照组。结果显示：当面对密友时，两组同样慷慨；但当对象变为熟人/陌生人时，患者组的共享金额骤降30%。这表明BLA并非简单地"开启"利他行为，而是精细调节着"对谁慷慨"——其正常功能会抑制对非亲密对象的自私本能。进一步分析发现，BLA损伤者的决策模式类似某些孤独症患者，为理解社交障碍提供了新视角：可能是大脑失去了"区别对待"不同社交对象的能力。研究发表在 PNAS 上。  

加州大学戴维斯分校的David E. Olson团队通过改造LSD分子结构，开发出新型化合物JRT，在动物实验中展现出显著改善认知症状且无致幻副作用的效果。

研究团队通过调换LSD分子中两个原子的位置，耗时五年完成12步合成工艺制备JRT。细胞实验显示，JRT选择性激活5-HT2A受体（serotonin receptor，调控神经元生长的关键受体），使前额叶皮层树突棘密度（dendritic spine density）增加46%。小鼠实验中，JRT改善认知灵活性且不引发致幻行为，抗抑郁效果是氯胺酮的100倍。特别值得注意的是，JRT未加剧与精神病相关的基因表达，这对精神分裂症治疗至关重要。与LSD相比，JRT在分子量和形状相同的情况下，展现出更优的安全性和治疗潜力。研究为神经精神疾病提供了新型非致幻治疗方案。研究发表在 PNAS 上。

髓鞘损伤如何导致精神疾病？巴西坎皮纳斯州立大学的Caroline Brandão-Teles、Fernanda Crunfli和Daniel Martins-de-Souza团队发现，RNA结合蛋白hnRNP A1对髓鞘形成和修复具有关键作用。

研究使用铜宗诱导的小鼠脱髓鞘模型，模拟多发性硬化症和精神分裂症的髓鞘损伤。通过施加hnRNP A1剪接活性抑制剂，并采用纳米电喷雾液相色谱-串联质谱技术分析大脑关键区域的蛋白质组变化。结果显示，hnRNP A1抑制导致髓鞘相关蛋白显著减少，影响鞘脂和内源性大麻素信号传导、突触小泡循环和GABA能突触（抑制性神经递质系统）。尽管未观察到行为改变，分子水平的变化提示与认知功能密切相关。特别值得注意的是，在多发性硬化模型中常见的行为异常在精神分裂症模型中并未出现，这表明hnRNP A1可能在精神分裂症发病早期发挥独特作用。研究发表在 Journal of Neurochemistry 上。

一些化妆品可能具有神经毒性 

香茅醇（citronellol）作为化妆品常用香料是否安全？韩国化学技术研究院（KRICT）的Myung Ae Bae与韩国大学的Hae-Chul Park团队通过跨物种实验发现，高浓度香茅醇可穿透血脑屏障，通过改变犬尿氨酸代谢诱发神经毒性。   

研究人员发现，斑马鱼暴露于2-8 mg/L香茅醇后，趋光行为减少50%并出现焦虑样行为；小鼠实验显示其能穿透血脑屏障（BBB），引发活性氧（ROS）增加和炎症；人脑类器官和器官芯片证实类似机制——香茅醇促使犬尿氨酸（kynurenine）转化为神经毒素3-羟基犬尿氨酸（3-HK），同时破坏血脑屏障完整性。代谢组学分析显示，这一过程伴随神经保护物质孕酮（progesterone）减少和皮质醇（cortisol）升高。研究为首次揭示香茅醇的神经毒性机制，提示需重新评估其安全浓度标准。研究发表在 Journal of Hazardous Materials 上。  

经颅磁刺激联合语言疗法显著改善中风后失语症

中风后失语症患者常面临长期沟通障碍，传统治疗效果有限。卡尔加里大学康明医学院的Trevor A. Low、Sean P. Dukelow等研究人员通过双盲对照试验发现，经颅磁刺激（TMS）联合密集语言治疗可使患者言语能力提升2.5倍，证实大脑在中风数年后仍具修复潜力。

研究采用双盲安慰剂对照设计，44名慢性失语症患者随机分组。实验组接受1Hz低频TMS刺激右脑语言区，同时进行35小时多模态失语症疗法（M-MAT，包含阅读/写作/绘画的综合训练）；对照组接受伪刺激同等训练。结果显示，TMS组西方失语症量表（WAB-AQ）评分提升7.6分，显著高于对照组的3.0分。特别在词汇提取和句子完整性方面，TMS组减少停顿次数47%，说出长句概率提高68%。参与者Lucy Mulloor（中风3年）治疗后找回"组词成句的信心"，功能核磁共振显示其右脑激活模式改变。研究为慢性失语症治疗提供新方案，证实神经调控可增强传统疗法效果。研究发表在 Neurology 上。

多巴胺信号通路紊乱促进局灶性皮质发育不良中的癫痫发作  

局灶性皮质发育不良（Focal Cortical Dysplasia, FCD）为何易引发癫痫？波恩大学医院的Norisa Meli团队与德国神经退行性疾病中心合作发现，FCD类型2病变区的多巴胺系统出现"信号错乱"——神经支配减少伴随受体异常表达，这可能是癫痫发作的新诱因。   

研究结合人类FCD患者活检组织与mTOR基因突变小鼠模型，首次系统描绘了病变区的多巴胺能神经支配变化。在成年患者中，病变区多巴胺纤维密度降低38%，且失去正常的分层分布模式。更关键的是，通过荧光RNA原位杂交技术发现，畸形神经元的多巴胺D1/D2受体（DRD1/DRD2，决定细胞对多巴胺敏感性的蛋白质）表达量是正常神经元的2.3倍。小鼠实验进一步揭示，这种异常始于青春期——mTOR突变小鼠在青春期出现DA神经支配短暂激增，但成年后反而低于正常水平。研究者提出"双重打击"假说：早期神经支配紊乱影响神经网络发育，成年后受体过表达则持续放大异常电活动。该发现为靶向多巴胺系统的精准治疗提供新思路，例如β受体阻滞剂普萘洛尔或可缓解部分症状。研究发表在 Brain 上。

母爱如何影响人格发展？

童年期的母爱如何影响人格发展？爱丁堡大学Jasmin Wertz团队通过2232对英国同卵双胞胎的追踪研究发现，5-10岁期间获得更多母爱的个体，18岁时会表现出更强的开放性、责任心和宜人性，这种影响独立于遗传因素。研究为早期育儿干预提供了科学依据。 

研究采用环境风险纵向双胞胎研究数据，通过编码母亲与5-10岁子女互动时的温暖程度（warmth coding）。为区分遗传影响，团队使用同卵双胞胎差异设计——比较同一家庭中基因完全相同的双胞胎，发现获得更多母爱的一方在18岁时：开放性评分高14%（衡量求知欲和想象力），尽责性高12%（关联学业/职业成功），宜人性高15%（影响人际关系）。这些关联通过严格检验，包括控制童年虐待、18岁时家庭支持等干扰因素。

值得注意的是，母亲温暖程度通过录像行为编码（video-recorded behavioral coding）量化，而非自我报告，增强结果可靠性。研究未发现母爱对外向性和情绪稳定性的影响，提示这些特质可能更多受同伴关系或遗传调控。研究发表在 American Psychologist 上，表明改善育儿环境（如通过政策减轻家庭经济压力、提供父母心理健康服务）可能通过微小但持久的人格改变，带来广泛社会效益。

步数追踪+正念=运动持久力

如何让运动习惯长期保持？巴斯大学Masha Remskar、Max J. Western团队发现，通过手机应用将正念训练与步数追踪结合30天，虽未立即增加运动量，但能显著提升参与者的长期运动意愿，为行为改变奠定心理基础。

研究采用随机对照试验设计，109名运动不足的成年人被分为两组：一组仅使用步数追踪器（每日8000步目标），另一组额外通过Medito应用完成30天正念训练。结果显示，两组运动量均显著提升（正念组每周增加373分钟中等强度运动，对照组增加297分钟），但正念组表现出更强的持续运动意图——这是预测长期行为改变的关键指标。值得注意的是，正念组在运动专注度上提升更明显，但运动自我效能（self-efficacy，对自己运动能力的信心）和心理健康指标未见组间差异。研究提示，数字正念干预可能通过增强运动意愿而非即时效果来促进长期改变。研究发表在 Mental Health and Physical Activity 上。

麻省总医院发明8度角导管，精准投递脑内药物

如何在不干扰成像的情况下向大脑精准递送药物？麻省总医院的Steven S. Hou、Joyce Yang和Yeseo Kwon团队开发了一种革命性的浅角度导管系统，能以近乎平行于脑表面的角度植入，实现成像剂和药物的重复递送，为阿尔茨海默病等神经疾病研究开辟了新途径。

研究团队设计的低剖面导管（low-profile cannula）仅以8度浅角植入大脑，完美避开了多光子显微镜的光路。通过该系统，他们成功将荧光标记物注入小鼠大脑，并同步完成高清晰度成像。在阿尔茨海默病模型中，团队利用特殊染料Fluoro-Jade C追踪了退化神经元的动态过程，还通过磷光氧传感器（phosphorescent oxygen sensor）实现了脑组织氧分压的长期监测。实验证明，该技术不仅能精准递送化合物，还完全兼容纵向研究需求，解决了传统颅窗手术无法重复给药的难题。研究发表在 Neurophotonics 上。  

越胖越不容易便秘？6千人研究揭秘内脏脂肪的肠道保护作用  

Chaofan Guo、Qibo Peng等研究者通过分析美国国家健康与营养调查（NHANES）数据发现，反映内脏脂肪的体圆指数（BRI）与便秘风险呈负相关，最高BRI组便秘风险降低32%。   

研究团队分析了2005-2010年NHANES数据库中6,898名参与者的数据，采用二元逻辑回归控制多种混杂因素后发现，BRI每增加一个四分位数，便秘风险显著降低。特别值得注意的是，这种保护作用独立于体重指数（BMI），提示内脏脂肪可能通过分泌特定激素或调节肠道菌群（gut microbiota，肠道内的微生物生态系统）改善肠道蠕动功能。虽然该横断面研究不能证明因果关系，但为肥胖与胃肠功能的复杂关系提供了新视角，可能指导未来针对代谢-肠脑轴的干预研究。研究发表在 Scientific Reports 上。  

"细胞听音乐"竟能减肥？科学家发现声波抑制脂肪的神奇效应

日本理化学研究所的Masahiro Kumeta、Makoto Otani等团队发现，特定频率的声波能激活细胞机械传感系统，显著改变基因表达并抑制脂肪细胞分化，为声波治疗代谢疾病提供了新思路。 

研究团队开发了精准的声波发射系统，对小鼠肌肉细胞施加440 Hz至14 kHz的声波（强度100 Pa，约相当于近距离耳语）。RNA测序显示，仅2小时刺激就激活42个基因，24小时后响应基因增至145个。关键发现是前列腺素合成酶Ptgs2/Cox-2（一种炎症相关酶）的快速激活，该过程依赖黏着斑激酶（FAK，细胞感知机械力的关键蛋白）信号通路。通过阻断实验证实，声波通过促进前列腺素E2合成来调控下游基因。最令人惊讶的是，3T3-L1前脂肪细胞对声波异常敏感，连续声波刺激使其分化程度降低40%。研究还发现不同频率声波效果各异，14 kHz声波对脂肪细胞的抑制作用最强。这些发现不仅揭示了声波作为新型细胞调控手段的潜力，也为开发无创代谢疾病疗法提供了理论基础。研究发表在 Communications Biology 上。  

炎症可能是慢性疼痛和抑郁症之间的联系

慢性疼痛与抑郁症为何常相伴而生？耶鲁大学医学院的Rongtao Jiang、Dustin Scheinost团队通过分析43万人数据发现，身体疼痛部位越多，抑郁风险越高，而C反应蛋白等炎症标志物是连接二者的关键"桥梁"。 

研究团队利用英国生物样本库（UK Biobank）14年追踪数据，首次构建复合疼痛评分系统，量化头部、背部等8个部位的急/慢性疼痛影响。结果显示，相比无痛者，单部位疼痛者抑郁风险增加1.4倍，而4处以上疼痛者风险飙升至3.2倍。通过孟德尔随机化（Mendelian randomization，一种利用遗传变异推断因果关系的方法）证实疼痛可能直接导致抑郁。血液分析发现，C反应蛋白（CRP，肝脏在炎症反应中产生的蛋白质）水平升高可解释12.7%的关联强度，其影响超过血小板和白细胞等指标。进一步脑成像显示，疼痛患者的前扣带皮层（与情绪调控相关的脑区）活动异常。该发现为"抗炎疗法预防抑郁"提供了理论依据，未来或可通过监测CRP筛查高危人群。研究发表在 Science Advances 上。

野火过后，他们的大脑被"卡"在了灾难时刻

火灾幸存者为何更难做出明智选择？加州大学圣地亚哥分校的Jyoti Mishra团队发现，直接经历2018年加州坎普大火的幸存者大脑后扣带回皮层（PCC）活动异常增强，导致其长期决策能力受损，即使灾后一年仍无法优先选择高收益选项。   

研究团队通过货币奖励决策任务结合脑电图（EEG）技术，对比分析75名参与者（直接暴露组27人、间接暴露组21人、对照组27人）。结果发现，直接暴露组在任务中表现出显著的"赢-留"（Win-Stay）行为缺陷——选择长期高收益选项的概率比对照组低23%。脑电溯源分析揭示，这种决策障碍与后扣带回皮层（PCC，负责深度思考的脑区）的过度激活相关，表明幸存者陷入"反复思考却无法行动"的认知僵局。仅目睹灾害的间接暴露组认知功能基本正常，提示气候创伤对大脑的影响需要直接身体接触性暴露。该研究首次为气候相关的心理健康干预提供了可量化的神经认知标志物，建议通过正念训练抑制PCC过度活动。研究发表在 Scientific Reports 上。  

"听见"世界的形状：AI眼镜为视障者打造三维感知  

全球超10亿视障者面临辅助设备适配难题，上海交通大学顾磊磊团队开发出融合柔性电子与AI的可穿戴系统，通过听觉触觉替代视觉，显著提升导航效率并降低认知负荷。   

研究团队设计了一款集成深度摄像头（D435i）的智能眼镜，配合骨传导耳机和柔性电子皮肤（A-skin，含ToF传感器和磁致动器），将视觉信息转化为三维空间提示音（3D spatial audio）和振动反馈。独创的元宇宙训练平台（VR training system）通过Unity构建虚拟场景，配合自供电智能鞋垫（利用摩擦发电原理）实现虚实运动同步。在20名视障者测试中，系统使迷宫导航效率提升25%，碰撞率降低40%，可用性评分达79.6分（超过85%商业设备）。柔性电子皮肤采用PDMS基底和银颗粒电路，兼具透气性与高灵敏度，而模块化设计支持开源适配。研究发表在 Nature Machine Intelligence 上。  

为什么相同基因突变的患者会出现截然不同的疾病进展？马克斯·普朗克生物化学研究所的Florian A. Rosenberger和Matthias Mann团队发现，肝细胞中蛋白聚集形态的时序变化和早期保护机制是关键。

研究团队采用深度视觉蛋白质组学（DVP，结合AI图像分析与高灵敏度质谱的技术）分析34例患者肝组织。人工智能驱动的卷积神经网络（CNN）首次识别出两种α-1蛋白聚集体：早期"碎屑状"结构关联细胞应激，晚期"球状"结构出现在纤维化阶段。单细胞蛋白质组显示，早期激活过氧化物酶体（细胞内的解毒工厂）的患者能阻止疾病进展，而缺乏该反应者会发展严重纤维化。研究还发现关键蛋白标志物TNFSF10（一种促凋亡因子）在晚期表型中显著升高。这些发现不仅解释了临床差异，更为开发早期预警系统和靶向疗法奠定基础。研究发表在 Nature 上。

面对组学数据爆炸性增长与传统分析方法滞后的矛盾，Haotian Cui、Alejandro Tejada-Lapuerta等跨国团队提出多模态基础模型（MFMs）解决方案，通过整合基因组学、蛋白质组学等多组学数据，为生命科学研究开辟新路径。   

研究团队设计基于Transformer架构的MFMs框架，采用统一标记化技术（Unified tokenization，将不同分辨率数据如DNA序列与蛋白质统一编码）和混合多级注意力机制（Hybrid multilevel attention，局部建模基因互作，全局连接多模态数据）。模型通过"实验-计算"闭环（lab-in-the-loop，迭代优化实验设计与算法）实现多功能应用：包括基于Perturb-seq数据预测基因编辑效果，整合空间转录组重建组织异质性。特别地，MFMs可生成缺失模态数据（如从临床样本预测代谢标记），并支持计算机模拟药物筛选（in silico drug screening）。研究同时指出需协调全球数据共享、解决高算力需求及防范模型"幻觉"风险。研究发表在 Nature 上。

自然语言处理模型揭示人类对话的神经动力学

Jing Cai、Alex E. Hadjinicolaou、Angelique C. Paulk等来自哈佛医学院和马萨诸塞州总医院的研究团队结合深度学习和颅内记录技术，揭示了自然对话中语言产生、理解及说话者转换的神经机制。   

研究团队将预训练自然语言处理（NLP）模型与颅内神经元记录技术结合，分析了自然对话中的神经活动。他们发现，语言产生和理解相关的神经活动广泛分布于前颞叶区域（frontotemporal areas），涉及多个频段。这些神经活动特异于所传递的词语和句子，并依赖于词语的具体上下文和顺序。有趣的是，语言产生和理解时的神经模式部分重叠，说话者转换伴随特定的时间对齐的神经活动变化。研究还发现，中高层NLP模型能最好地解释神经活动，表明大脑和AI模型在语言处理上可能存在相似性。研究发表在 Nature Communications 上。  

科研效率提升90%，SAIUnit破解AI科学计算最大痛点

AI科学计算长期面临物理单位支持缺失的难题，导致结果可靠性降低。Chaoming Wang、Sichao He等五人团队开发的SAIUnit系统，首次将2000+物理单位整合到JAX等AI计算框架中，在保持高性能的同时显著提升计算准确性。 

研究团队采用标准化设计原则，构建了包含国际单位制（SI）的完整物理单位库，并与JAX的自动微分和即时编译（JIT compilation）功能深度整合。系统在编译阶段完成单位检查，确保运行时零性能损失。测试显示，在数值积分任务中可自动处理单位转换；在脑建模中实现从分子到系统层面的跨尺度单位统一；在物理信息神经网络（Physics-Informed Neural Networks）中有效保持方程维度一致性。特别值得注意的是，系统将单位错误检测时间从传统手动检查的分钟级缩短至毫秒级，且完全兼容GPU/TPU加速。研究为AI科学计算建立了新的可靠性标准，预计将加速物理、化学等领域的AI应用。研究发表在 Nature Communications 上。

多模态MRI结合AutoGluon，机器学习精准识别脑小血管病认知障碍

脑小血管病(CSVD)导致的认知障碍诊断困难，传统评估方法存在主观偏差。Guihan Lin、Weiyue Chen等12人团队开发了基于多模态MRI和AutoGluon平台的机器学习框架，在独立验证中实现81.93%的准确率。 

研究纳入165例CSVD患者，采集T1加权结构MRI（显示脑解剖结构）、静息态功能MRI（rs-fMRI）和弥散张量成像（DTI）数据。通过AutoGluon平台自动整合三类影像特征，模型在训练组达到88.48%准确率(AUC=0.926)，显著优于传统机器学习算法。独立验证显示，该框架保持81.93%准确率(AUC=0.878)，敏感度86.36%，能有效识别早期认知衰退。特别值得注意的是，模型对白质高信号（常见于老年人但未必提示认知障碍）的干扰具有较强抵抗力。研究发表在 Scientific Reports 上。

给微型机器人装上"弹簧腿"，着陆冲击减少300%

微型飞行器如何实现安全着陆？哈佛大学约翰·A·保尔森工程与应用科学学院的Robert Wood、Christian Chan、Nak-seung Patrick Hyun和Alyssa Hernandez团队从蜻蜓获得灵感，为RoboBee设计仿生腿结构，使其着陆成功率提升至92%。 

研究团队首先分析蜻蜓标本，发现其长而分节的腿能有效吸收冲击能量。基于此，他们用压电复合材料（piezoelectric composites，能将电能转化为机械能的智能材料）制造出可变刚度关节，关节数量和位置模拟蜻蜓腿部特征。实验显示，三关节设计的能量吸收效率比传统刚性腿提高300%。同时，团队开发了自适应控制器应对地面效应（ground effect，飞行器接近地面时空气动力学异常的现象）：先加速俯冲再减速，最终以可控速度接触表面。在叶片和玻璃的测试中，这种"软着陆"策略成功保护了脆弱的压电驱动器（仅0.1毫米厚的飞行"肌肉"）。研究为未来自主环境监测机器人提供了关键技术，并验证了生物力学启发设计的优势。研究发表在 Science Robotics 上。

22个传感器+AI：这款鞋垫能帮助诊断帕金森

全球约7%人群存在行走障碍，但现有足压监测系统面临能量限制和稳定性挑战。俄亥俄州立大学的Qi Wang和Jinghua Li团队开发出太阳能供电的智能鞋垫，通过22个传感器和AI算法实现精准步态监测，可预警从足底筋膜炎到帕金森病等多种疾病。 

研究采用非线性协同压力传感技术，传感器在0-225 kPa范围内呈现近乎完美的线性响应（R²>0.999），并经受住18万次压缩测试。柔性钙钛矿太阳能模块（FPSMs，一种高效柔性太阳能技术）为系统持续供电，数据通过蓝牙传输至手机APP实时显示足压分布。集成支持向量机可识别8种运动状态，包括静坐与跑步等。实验发现行走时压力呈脚跟到脚趾顺序传递（占时50%），而跑步时全足同时受压（占时25%）。该系统已展示在糖尿病足溃疡预警、帕金森病步态评估等方面的临床应用潜力，预计3-5年内上市。研究发表在 Science Advances 上。

中国科学院Chengcheng Han、Zhi Cao等团队开发出仿人类手指的触觉传感器（FTS），首次实现98.33%的材料识别准确率和精准的多维力检测，为机器人抓取、智能分拣等领域带来突破。 

研究团队采用分层仿生设计：外部硅胶壳嵌入铜、PET和硅胶三种材料形成单电极传感器（材料识别单元），内部骨架涂覆五个银电极构成力检测网络。通过摩擦起电效应（接触生电现象）将触觉转化为电信号，指甲区的互锁结构使硅壳与骨架能局部接触分离，从而解析力方向。实验显示，该传感器可区分金属、塑料等12类材料，集成至机器人手后能在智能车间实时完成物体分拣。力检测部分通过四个硅微针阵列和一个凸起结构增强灵敏度，五电极系统可重建三维力矢量。研究发表在 Advanced Materials 上。

机器学习预测运动习惯：久坐、性别和教育水平是关键

全球仅24%人口达到运动指南标准，缺乏运动威胁公共健康。密西西比大学的Ju-Pil Choe、Seungbak Lee和Minsoo Kang团队利用机器学习分析3万份健康数据，发现久坐时间、性别和教育水平是预测运动达标率的三大关键因素。 

研究采用6种机器学习算法（包括决策树、随机森林等），分析美国国家健康与营养调查（NHANES）2009-2018年间11,683名成年人的数据。通过排列特征重要性（PFI）评估发现，每日久坐时间（sedentary behavior）是最强预测指标，其次是性别（女性更易达标）和教育水平（高等教育群体运动更规律）。最佳模型决策树的准确率达70.5%，显著优于传统统计方法。意外发现是教育水平的影响力超过BMI等生理指标，研究者推测这可能与社会经济地位带来的健康意识差异有关。由于采用问卷回忆数据可能存在高估偏差，团队计划下一步结合智能手环等客观监测数据优化模型。研究发表在 Scientific Reports 上。

DNA测序面临风险：黑客可能利用基因组数据漏洞  

下一代DNA测序（NGS）技术正推动医学革命，但其网络安全漏洞可能被黑客利用。朴茨茅斯大学的Nasreen Anjum联合多国团队首次全面分析了NGS全流程的网络生物安全威胁，警告基因组数据可能成为新型攻击目标。   

研究团队系统梳理了NGS工作流程中的脆弱环节，从样本制备到数据存储均存在风险。特别指出，开放访问的基因组数据库可能被用于合成DNA编码的恶意软件（synthetic DNA-encoded malware，能隐藏在DNA序列中的攻击代码），而AI技术可被用于篡改测序结果。相比传统数据泄露，这类攻击可能引发身份追踪、医疗欺诈甚至生物恐怖主义。研究提出了分层防护策略：在硬件层面采用安全测序协议（secure sequencing protocols，防篡改的实验室标准），数据层面实施区块链加密存储，系统层面部署AI驱动的异常检测（AI-powered anomaly detection，实时识别可疑活动）。论文强调，当前保护措施零散且缺乏跨学科协作，亟需计算机科学家与生物学家联合应对。研究发表在 IEEE Access 上。

社交网络易受AI操纵加剧极化现象

社交网络如何被AI轻易操纵？康考迪亚大学的Mohamed N. Zareer和Rastko R. Selmic团队开发了一种新型算法，仅需两个简单参数就能显著加剧网络极化，揭示了社交媒体平台在AI攻击面前的脆弱性。   

研究团队分析了Twitter（现X平台）上约400万讨论疫苗话题的账户数据，开发出基于双重深度Q学习（Double Deep Q-Learning，一种能自主优化决策的AI技术）的对抗智能体。令人惊讶的是，这些AI操纵者仅需知道账户的当前观点和粉丝数量两个参数，就能精准识别最具影响力的攻击目标。通过在20个智能体组成的合成网络中测试，算法成功将网络分歧最大化。研究还发现，该方法适用于不同类型的社交网络结构，能有效模拟现实中的机器人攻击和协同虚假信息传播。这些发现为平台防御系统开发提供了重要参考，同时也敲响了AI伦理使用的警钟。研究发表在 IEEE Xplore 上。  

AI技术实现心电图到心脏运动信号的精准转换

如何用廉价心电图（ECG）替代昂贵的超声心动图？罗格斯大学的Aditya Radhakrishnan和Partho Sengupta团队开发了生成式AI系统，可将ECG电信号转化为高精度心脏运动波形，临床验证显示其能提前数月预测心脏问题，并减少70%不必要的超声检查。

研究使用生成对抗网络（GANs）分析9,144组ECG与组织多普勒成像（TDI，一种超声心动图技术）配对数据，生成合成TDI波形。外部验证中，合成波形与真实测量的相关系数达0.90（P<0.0001），平均偏差仅-0.23 cm/s。在盲测中，专业医师无法区分AI生成与真实波形（准确率50%）。该技术对舒张功能障碍（心脏放松异常）和收缩功能障碍（心脏泵血异常）的检测准确率分别达80%和81%，可减少64%-70%的超声检查需求。更惊人的是，通过分析南美洲23万例患者数据，合成TDI能在传统ECG发现异常前预测死亡风险（生存分析P<0.0001）。研究发表在 Nature Cardiovascular Research 上。

利用硅光子技术构建可扩展和可持续的人工智能硬件  

AI算力需求爆炸式增长与能源危机如何平衡？惠普实验室的Bassem Tossoun团队开发出革命性光子计算芯片，通过III-V族半导体与硅的异质集成，实现光速AI运算同时能耗降低两个数量级。   

研究团队采用绝缘体上硅（SOI）晶圆作为基础，通过创新的晶圆到晶圆键合技术，将磷化铟（InP）等III-V族化合物半导体与硅光子器件集成。这种异质集成平台成功制造出包含激光器、调制器和雪崩光电二极管（APDs）的全功能光子神经网络芯片。测试显示，该芯片执行矩阵乘法时，能耗仅为传统GPU的1/140，同时支持波分复用（WDM）技术实现并行数据处理。特别值得注意的是，团队通过优化氧化铝栅极层（Al₂O₃ gate oxide）将光学信号损失控制在0.1dB/cm以下，解决了光子计算长期存在的信号衰减难题。该技术已应用于惠普新一代超级计算机Aurora，为百亿参数大模型训练提供可持续算力方案。研究发表在 IEEE Journal of Selected Topics in Quantum Electronics 上。 

预测复杂动态系统临界行为的新框架：基于机制学习的精准预测

如何预测传染病爆发或信息爆炸的临界点？深圳大学的Xiangrong Wang、北京航空航天大学的Dan Lu与西班牙萨拉戈萨大学的Yamir Moreno团队开发了一种结合知识驱动与数据驱动的新方法，通过"先学规则、再预测行为"的双阶段框架，显著提高了复杂系统临界行为的预测准确率。 

研究团队将图神经网络与注意力机制结合，首先从动态图数据中提取系统演化规则。这些规则随后指导图循环单元捕捉长期状态依赖，解决了传统深度学习模型过度依赖短期数据的局限。在模拟疾病传播（SIR模型）测试中，该系统能提前5-7个时间步预测爆发临界点，且对参数变化的敏感度比传统方法降低30%。特别值得注意的是，框架能识别网络拓扑微小变化等"隐形临界前兆"，这些信号常被常规统计方法忽略。研究还验证了该框架在社交网络信息级联预测中的普适性，为公共卫生预警和舆情监控提供了新工具。

AI突破物理瓶颈！新框架让视频生成告别"反重力"尴尬  

视频生成AI常因违反物理规律闹笑话？大连理工大学与莫纳什大学的Xindi Yang、Baolu Li团队开发VLIPP框架，首次将视觉语言模型（VLM）的物理推理能力注入视频扩散模型，生成的机械碰撞、流体运动等场景完全符合真实物理规律。   

研究采用革命性的两阶段设计：先让VLM像"物理老师"一样分析场景中的重力、动量守恒等规律，通过思维链推理预测物体运动轨迹；再由视频扩散模型（VDM）根据这些"物理草图"添加细节。为防VLM出错，团队独创噪声注入技术——在轨迹预测中添加可控噪声，既保证整体符合物理，又保留生成自由度。测试显示，该方法在PhyGenBench评估中比商用模型高76分，尤其擅长模拟多球碰撞（准确率89%）和流体扩散（物理合理性提升2.3倍）。研究为游戏开发、影视特效等需物理真实的场景提供新工具。

大脑视觉通路新发现：腹侧流可能兼具空间感知功能

传统认为专司物体识别的大脑腹侧视觉通路可能另有玄机。麻省理工学院Yudi Xie、James J. DiCarlo团队通过人工智能模型发现，该通路对空间任务同样敏感，颠覆了持续40年的神经科学经典理论。 

研究团队使用3D图形引擎创建合成图像数据集（含茶壶、计算器等物体），分别训练卷积神经网络（CNN）完成物体分类和空间特征（旋转/位置/距离）预测。令人惊讶的是，仅训练空间任务的模型在神经对齐（neuro-alignment，衡量模型与生物大脑活动相似度的指标）测试中表现优异，与物体识别模型相当。通过中心核对齐（CKA）技术分析发现，两类模型在早期至中层的内部表征相似度高达87%，仅在后期网络层因任务需求产生分化。进一步实验表明，训练数据中的非目标特征变异促使模型学习更通用的视觉表征，而非特定任务专属模式。这一发现挑战了"腹侧流=物体识别"的传统分区理论，为理解视觉系统进化提供了新视角。

轻量级AI模型实现隐私保护的高质量图像生成  

如何在保护隐私的同时生成高质量图像？乌山国立科学技术院的Kyeongkook Seo、Jaejun Yoo与延世大学的Dong-Jun Han团队开发了PRISM框架，通过联邦学习实现数据不出本地的高效图像生成，为医疗影像分析提供安全解决方案。   

研究团队创新性地采用随机二值掩码（stochastic binary mask）技术，仅选择性地共享模型关键信息而非全部参数，使通信量降低38%。通过最大均值差异损失（MMD loss，一种衡量生成数据分布相似性的指标）和掩码感知动态聚合（MADA）策略，系统在MNIST、CelebA等数据集上展现出优于传统方法的生成质量。特别地，PRISM生成的模型仅1位大小，可直接在智能手机处理自拍转吉卜力风格等任务，避免数据上传风险。实验显示，该系统在医疗MRI等非独立同分布数据场景下仍保持稳定，并与扩散模型兼容。研究为金融、医疗等敏感领域提供了隐私安全的生成式AI方案。

动态模型革新人类动作生成与编辑技术

如何让AI像专业动画师一样编辑人类动作？北京大学Yixin Zhu团队联合国家重点实验室开发出MotionReFit系统，结合创新的MotionCutMix训练技术，实现了仅凭文字指令就能对3D人体动作进行空间和时间维度的精准编辑。 

研究团队首先提出MotionCutMix技术，通过智能混合（blending）不同动作的身体部位（如将A动作的手臂与B动作的腿部结合）实时生成训练数据，解决了标注数据稀缺难题。基于此训练的MotionReFit模型采用自回归扩散（autoregressive diffusion）架构，配合运动协调器确保编辑后动作自然连贯。测试显示，系统可同时完成"将挥手改为画圈"的空间编辑和"放慢跑步速度"的时间编辑，在STANCE数据集上达到81.6%的准确率，动作过渡平滑度比现有技术提升63%。值得注意的是，该技术使基线模型TMED性能提升42%，且训练收敛速度不受影响。研究为动画、游戏开发及人机交互领域提供了开源解决方案。

AI助力肺结核诊断：肺超声准确率超越人类专家9%  

结核病诊断面临设备昂贵和专业人员短缺的双重挑战。洛桑大学的Véronique Suttels、耶鲁大学的Trevor Brokowski与贝宁阿波美-卡拉维大学团队开发的ULTR-AI系统，通过智能手机连接的便携超声设备实现快速诊断，准确率比人类专家高9%。   

研究团队在西非贝宁的504名患者中测试了ULTR-AI系统。该系统包含三个深度学习模型：直接分析超声图像的ULTR-AI、模拟专家识别病理征象的ULTR-AI[signs]，以及综合两者优势的ULTR-AI[max]。结果显示，AI系统敏感性达93%（人类90%），特异性81%（人类61%），且能检测出人类无法辨别的微小病变（如亚厘米级胸膜损伤）。该系统通过标准化14点扫描协议（14-point sliding scan protocol，覆盖全肺的标准化超声检查方法）和实时分析，使肺超声成为真正的床旁诊断工具，尤其适合缺乏放射科医生的农村地区。

Google Health的Daniel McDuff、Mike Schaekermann、Tao Tu等联合团队开发了医疗专用大语言模型AMIE，在302个真实病例测试中，其辅助使医生诊断准确率提升42.9%，独立诊断表现甚至超越未辅助医生。   

研究团队首先优化大型语言模型的临床推理能力，开发出Articulate Medical Intelligence Explorer（AMIE）系统。通过随机对照试验，20名医生在AMIE或传统检索工具（如UpToDate）辅助下诊断302例《新英格兰医学杂志》疑难病例。结果显示：AMIE独立诊断的top-10准确率（59.1%）显著高于医生基线水平（33.6%）；当医生使用AMIE辅助时，其诊断列表的全面性评分提高45.7%（McNemar检验P<0.01）。值得注意的是，AMIE的平均响应达237词，而医生仅需提出3个问题即可获得关键洞察。相比之下，传统检索工具组34%依赖UpToDate，诊断效率较低。研究为AI辅助医疗决策提供了实证支持，表明专业化LLM可成为医生的"第二大脑"。研究发表在 Nature 上。 

你的AI搭档是"跳跃脑"还是"专注狂"？

马克斯·普朗克生物控制论研究所的Surabhi S. Nath团队通过心理学实验发现，ChatGPT等AI在创意任务中会自发采用与人类相似的"脑洞大开"（灵活型）或"深度钻研"（持久型）策略，但机器更依赖前者获得高分创意。 

研究团队让人类和多种LLMs完成经典创造力测试，如为砖块想新用途（AUT）或快速列举动物（VFT）。通过创新的句向量嵌入技术，系统量化每个回答之间的语义距离，自动识别策略类型。结果发现，人类会平衡使用两种策略，而LLMs更倾向频繁切换主题的"脑洞"模式——这类模型在替代用途任务中得分比"专注型"AI高15%。有趣的是，GPT-3等模型表现出任务特异性偏好：在动物命名时更持久，而在创意发散时更灵活。研究者开发的自动化分析工具首次实现创意过程的量化比较，为AI辅助创作提供策略匹配建议：习惯钻牛角尖的人类搭档"跳跃型"AI可能激发更多灵感。

AI视觉不再“睁眼瞎”！哈工大新系统让机器学会“按需聚焦”  

多模态大模型常因“选择性失明”漏检关键细节，哈工大（深圳）的李俊劼团队开发GiVE系统，通过指令驱动动态调整视觉焦点，使AI能精准捕捉图像中被遮挡或非显著的目标。   

研究团队设计AG-Adapter模块（动态注意力引导适配器），像“变焦镜头”一样根据文本指令调整视觉编码器的关注区域。配合三大训练目标：OITC Loss（强化图文语义关联）、OIIC Loss（提升多目标区分能力）、OID Loss（增强细节捕捉），在自建MOInst数据集（含8万张多目标场景图像）上训练。结果显示，GiVE仅需5%额外参数即可让CLIP等基础编码器具备指令跟随能力，在人群定位、背景文字识别等任务中准确率显著提升。例如，当询问“图中左侧自行车”时，模型能避开视觉干扰精准响应。该系统已无缝适配LLaVA等主流框架

训练LLMs自我净化语言  

如何让AI语言模型自动过滤有害内容？麻省理工学院Ching-Yun Ko与Luca Daniel团队联合IBM研究院开发了SASA算法，使大型语言模型能在生成过程中自我检测并修正毒性内容，无需额外训练或外部工具。该技术有望解决AI聊天机器人的内容安全问题。   

研究团队提出的自律自回归采样（SASA）技术，通过分析模型内部表示建立"毒性边界"。当模型生成每个新词时，SASA会评估当前句子在向量空间中的位置——若接近"有毒区域"，则降低相关词汇的采样概率。测试显示，在Llama 3.1-8b模型上，SASA将毒性响应率从26.4%降至14.2%，同时保持语句流畅性。特别值得注意的是，该系统成功纠正了模型对女性相关提示的偏见响应，使其毒性水平与男性相关提示趋于一致。相比需要额外训练数据的方法，SASA仅增加约7%的计算开销，且兼容不同架构的LLMs。研究团队计划将该技术扩展至真实性、忠诚度等多维度价值观对齐。

AI做加法也"作弊"？科学家戳破大模型的数学泡沫  

大语言模型是否真正理解数学原理？浙江大学与西湖大学的Yang Yan、Yu Lu、Renjun Xu和Zhenzhong Lan团队通过简单加法测试发现，这些"博士级"AI实际上依赖记忆而非真正学习运算规则，在符号转换测试中准确率暴跌至个位数。 

研究团队设计了两整数加法（0-2^64范围）的"照妖镜"测试：首先让模型计算常规数字加法（如123+456），此时准确率达73.8-99.8%；但当数字被替换为抽象符号（如x+y）时，性能断崖式下跌至≤7.5%，暴露其无法实现组合泛化。更惊人的是，模型在1,700多个案例中违反加法交换律（A+B≠B+A），且数字位数增加时表现波动（非单调变化），完全不符合人类执行算法时的稳定模式。最具启示性的发现是：当研究者明确提供加法规则时，模型表现反而平均下降81.2%，而让模型自我解释（self-explanation）却能保持基准准确率，说明LLM的"数学思维"与人类认知存在根本性错位。

MineWorld：基于Minecraft的实时交互式世界模型  

如何让AI像人类一样实时理解并改变虚拟世界？微软研究院的Junliang Guo、Yang Ye等团队开发了MineWorld，这是首个在Minecraft游戏中实现每秒4-7帧实时交互的世界模型，为游戏开发和机器人训练提供了新工具。

研究团队将游戏画面和玩家动作统一编码为离散token，通过视觉-动作自回归Transformer学习两者关联。为解决传统自回归推理速度慢的问题，他们开发了并行解码算法——通过分析空间相邻token的依赖关系，让模型能同步预测多个token，速度提升3倍以上。评估阶段，团队提出"逆动力学指标"：用AI反向解析生成视频中的动作，与真实输入动作对比验证可控性。结果显示，MineWorld在画面质量和动作跟随性上均超越现有开源扩散模型，且能实时响应玩家操作。该技术未来可应用于游戏NPC开发、机器人虚拟训练等场景。

大模型"练过头"反而会变笨？卡内基梅隆大学、斯坦福大学等机构的Jacob Mitchell Springer团队发现，当语言模型预训练超过某个临界点（如OLMo-1B模型的3万亿token），微调后性能不升反降，这种现象被命名为"灾难性过训练"。 

研究团队通过对比实验发现，用3万亿token预训练的OLMo-1B模型，在Alpacaeval（指令跟随评估基准）和ARC（推理能力测试）上的表现比2.3万亿token版本低2-3%。进一步分析揭示，过度训练会导致模型参数出现"渐进敏感性"（progressive sensitivity）——预训练时间越长，参数对后续微调等修改越敏感。通过添加高斯噪声（Gaussian noise，模拟微调扰动）的实验证实，过训练模型的参数稳定性显著降低。研究提出"拐点"概念，建议开发者需要平衡预训练量与模型可调性。这项发现对当前盲目扩大预训练数据的行业趋势提出警示。

AI模型AudioX：从任意输入生成高质量音频

如何让AI像人类一样融合多感官信息进行创作？香港科技大学的Zeyue Tian、Wei Xue和Yike Guo团队开发了AudioX模型，实现文本、视频、图像等任意输入到高质量音频的转换，为影视、游戏行业带来革新可能。 

研究团队采用扩散变换器（Diffusion Transformer）架构，通过创新的多模态掩码策略（训练时随机遮蔽部分输入信息），使模型学会跨模态关联。例如遮蔽视频中的画面片段后，模型能根据剩余画面和音频上下文重建缺失内容。在190K音频标注和600万音乐标注数据集训练后，AudioX可完成六类任务：从文本生成背景音乐（如输入"暴风雨夜"生成雷雨声）、为视频自动匹配音效（如根据滑雪画面生成雪板摩擦声）、修复破损音频等。测试显示其生成质量超越专业工具，且单一模型支持所有任务，而传统方案需多个专用模型组合。该技术可让电影制作省去拟音师（Foley artist），或让网红一键为视频添加适配音乐。

缺失前提加剧过度思考：推理大模型正在丧失批判性思维能力？

当问题缺少必要前提时，AI会如何反应？马里兰大学的Chenrui Fan、Ming Li、Tianyi Zhou和里海大学的Lichao Sun团队发现，专精推理的大语言模型（LLMs）会生成超长无效回答，而非像人类那样快速识别问题缺陷。

研究团队通过规则生成（Rule-based Generation）、问题主体交换（Body-Question Swapping）和关键前提移除（Essential-Premise Removal）三种策略，构建了包含SVAMP、GSM8K等数据集变体的MiP测试集。实验显示，面对缺失前提（MiP）的ill-posed问题时，DeepSeek-R1等推理模型的响应长度激增至well-defined问题的2-4倍，且增加的token无助于解决问题。例如对未定义变量"a"的提问，模型会耗费数分钟生成数千token的无意义推导。相比之下，非推理模型能快速识别问题缺陷，响应更简洁。进一步分析发现，推理模型常陷入“自我怀疑循环”——即使早期察觉MiP，仍会反复猜测用户意图而非果断弃答。这种违反测试时缩放定律（test-time scaling law）的行为，暴露了当前强调“深度思考”的训练方法可能助长思维模式滥用。

并行大语言模型推理：通过共享注意力实现协作式生成

如何让多个大语言模型像人类团队一样动态协作？Yandex和HSE University的Gleb Rodionov、Roman Garipov团队开发了Hogwild!推理引擎，通过共享注意力缓存（attention cache）让LLM实例实时"看到"彼此进展，自主决定协作策略。   

研究团队让多个LLM实例共享同一组模型权重和动态更新的Key-Value缓存（存储已生成文本的关键信息）。通过旋转位置嵌入（RoPE）技术，系统无需重复计算即可整合不同实例的生成内容。实验使用QwQ和DeepSeek-R1等开源模型，发现这些"AI工作者"能展现出类人协作行为：当某个实例发现初始计划有误时，会主动调整策略；若检测到重复工作，会转向新任务。测试三种内存布局后，类聊天布局表现最佳——实例可像群聊一样查看他人"未发送消息"，再决定是否补充或反驳。在数学推理任务中，并行实例的协作效率比传统投票机制提升40%，且硬件利用率提高2.3倍。研究证实现有LLM无需微调即可支持这种动态协作模式，为分布式AI系统开发开辟新路径。

大语言模型如何破解"多针寻踪"推理难题

大语言模型如何在超长文本中进行复杂推理？独立研究员Yidong Wang通过创新性的"检索-反思"机制，解决了模型在长上下文环境中推理能力下降的问题，并显著提升了数学推理表现。这项研究为大语言模型的真实推理能力评估提供了新标准。   

研究团队首先设计过滤机制，排除模型可直接回答的问题，确保评估基于真实上下文理解。实验显示，过滤后模型准确率随上下文增长显著下降，开源模型表现尤为明显。通过分析发现，性能下降源于思维过程缩短，而非传统认为的"针"（关键信息）位置因素。研究者创新性地将思维过程分解为检索（retrieval）和推理（reasoning）阶段，引入多轮反思（reflection）机制扩展思维链条。基于此训练的新模型将准确率下降幅度从25.8%降至4.6%。该方法在数学推理场景同样有效，使GPT-4o在美国数学邀请赛（AIME 2024）上的Pass@1得分从9.3提升至15.3，证明其广泛适用性。

自由意志新证据！初级运动皮层放电时我们才真正"想做"

自由意志是真实存在还是大脑的幻觉？美国明尼苏达大学Jean-Paul Noel团队与瑞士科学家合作，通过脑机接口（BMI）在瘫痪患者中发现：当初级运动皮层（M1）神经元放电时，人们会同步体验到"想要行动"的主观意图，且这种意图会压缩对行动时间的感知。

研究团队在一位四肢瘫痪患者的手部运动皮层植入96个电极，通过机器学习算法解码神经信号。当患者尝试挤压橡胶球时，系统会发送电刺激使其手部真实运动（NMES，神经肌肉电刺激）。通过随机触发动作或阻断动作但保留声音反馈，团队首次分离了意图、行动和效果三个环节。结果发现：有意图的动作被感知为比实际快71毫秒，形成"时间绑定"效应；M1单神经元记录显示，其放电时间与主观意图体验完全同步，且放电数量可预测意图强度。当动作被随机触发（无意图）时，感知延迟；仅有意图无动作时，若保留声音反馈，意图感知会提前。这些发现表明M1作为"最后皮层节点"直接参与意图体验，挑战了传统认为意图仅由前额叶产生的观点。研究发表在 PLOS Biology 上。

从脑电波到完整句子：汉语意念解码技术全球首现

如何让失语患者通过"意念"直接输出汉语句子？复旦大学附属华山医院吴劲松/路俊锋团队联合上海科技大学李远宁团队，首次实现从大脑神经信号到汉语连续语句的端到端解码，单字准确率最高达88%，跨受试者平均82%。 

研究采用高密度皮层脑电（ECoG，一种植入式电极记录技术）记录5名不同方言背景受试者朗读时的神经活动。通过三模块深度学习架构：先侦测言语起始点，再并行解码声调（4分类）和音节（40个高频音节），最后结合n-gram语言模型（基于统计的上下文预测算法）输出完整句子。在覆盖汉语25%高频音节的语料库测试中，声调解码平均准确率93%（随机水平25%），单字错误率仅21%。特别值得注意的是，算法在"耳语音"（whisper）状态下仍有效工作，为未来临床应用于失语患者打下基础。研究发表在 Cell Reports 上。

大脑如何在不同类型的视觉不确定性中控制运动

黑暗中拿水杯为何容易失手？德国灵长类动物研究中心的Lukas Amann、Virginia Casasnovas和Alexander Gail团队发现，大脑对目标位置模糊（目标不确定性）和手部位置模糊（反馈不确定性）的处理机制截然不同。这项研究不仅揭示运动皮层的分层处理策略，更为脑机接口技术优化指明方向。

研究团队训练恒河猴完成两种任务：传统操纵杆控制（MC）和脑机接口控制（BC）。通过设计目标不确定性（多个分散目标点）和反馈不确定性（分散光标显示），结合运动皮层神经元记录发现：目标不确定性使运动初始误差增加37%，主要影响运动前300毫秒的神经编码；而反馈不确定性仅在BC模式下显著，导致运动末期误差激增52%。神经状态空间分析揭示，运动皮层存在专门编码不确定性水平的神经维度，但两种不确定性在时间上被分层处理——目标信息早期整合（规划阶段），反馈信息后期调整（执行阶段）。

特别值得注意的是，当存在其他感官输入（如本体感觉）时，大脑能有效补偿视觉反馈不确定性，这解释了为何BCI使用者（依赖单一视觉反馈）表现更易受影响。研究建议未来BCI可加入触觉反馈（如振动提示）提升控制精度。研究发表在 Nature Communications 上。

多尺度卷积Transformer网络：解码运动想象脑电信号

如何提升脑机接口对运动想象信号的解码精度？Wei Zhao、Baocan Zhang等研究者开发了融合多尺度卷积与Transformer的MSCFormer模型，在主流数据集上实现88%的分类准确率。   

研究团队将多分支CNN（提取不同时间尺度的局部特征）与Transformer编码器（捕捉全局依赖）结合。在BCI IV-2a数据集上，模型平均准确率达82.95%（kappa值0.7726），较传统EEGNet提升7个百分点；对BCI IV-2b数据集的解码准确率更高达88%。实验表明，多尺度结构能有效应对个体间EEG信号变异（inter-subject variability），而自注意力机制（self-attention）成功建模了电极间的长程时空关系。该模型无需手工特征提取，实现了从原始脑电到运动意图的端到端解码。研究还发现，适当的数据增强（如添加高斯噪声）可进一步提升模型鲁棒性。研究发表在 Scientific Reports 上。  

意识消失后大脑还能学习吗？由Kalman A. Katlowitz、Shraddha Shah等23人组成的多机构团队发现，麻醉状态下的人类海马体不仅能识别异常声音，还能处理自然语言的语义和语法，甚至预测即将出现的词语。

研究团队使用Neuropixels微电极（一种高密度神经信号采集设备）记录了5名癫痫手术患者的海马体活动。通过设计纯音oddball任务（80%标准音/20%异常音）和播放自然语言播客，发现70.9%神经元对声音有反应，其中22.7%能区分音调频率。令人惊讶的是，异常音表征在10分钟内效果量增长35%，显示无意识学习能力。当播放自然语言时，神经元能编码词语语义（相关性r=0.55）和语法特征（91.3%神经元区分词性），甚至能预测未来词语（解码准确率60.5%）。团队还构建了循环神经网络（RNN）模型，成功模拟了这种无意识学习过程。